2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、運動目標的檢測與跟蹤是計算機視覺研究領(lǐng)域中重要的研究方向之一,運動目標檢測處于運動目標跟蹤的最底層,是運動目標跟蹤的基礎(chǔ),從視頻場景中準確的檢測到運動目標,對于運動目標的跟蹤有重要的意義。運動目標的跟蹤的準確性除了與運動目標檢測的準確性有關(guān)之外,還與其周圍環(huán)境的變化有關(guān)。目標跟蹤算法的穩(wěn)定性、精確性和實時性已成為一個重要的研究課題。
   本論文主要研究靜態(tài)場景下運動目標的檢測方法和跟蹤方法。
   針對運動目標的檢測問

2、題,本文首先介紹了常用的靜態(tài)場景下的運動目標檢測方法,然后研究了一種檢測方法以解決背景局部區(qū)域快速發(fā)生變化的情況,即采用原來是背景的物體變?yōu)榍熬暗臋z測方法,通過融合背景模型幀間差分法,高斯混合模型和碼本模型的算法,并利用背景模型幀間差分法可以將物體區(qū)域分為背景區(qū)域和運動區(qū)域,再融合高斯混合模型和碼本模型,可以更加精確的在不留拖影的情況下完成目標的檢測。實驗證明該算法可以實時精確的提取出運動目標。
   針對運動目標的跟蹤問題,本

3、文在分析已有的靜態(tài)場景下運動目標跟蹤方法的基礎(chǔ)上,將常用的跟蹤方法中均值漂移meanshift算法和自適應均值漂移camshift算法分別結(jié)合卡爾曼濾波算法對運動目標進行跟蹤。由于運動目標可以近似為線性模型,建立運動目標的線性狀態(tài)模型和觀測模型,將檢測得到的目標的中心位置賦予卡爾曼濾波觀測值,并根據(jù)遮擋因子判斷目標是否被遮擋,若未被遮擋則將卡爾曼濾波的預測值作為目標當前幀位置利用meanshift算法或camshift算法迭代到運動目標

4、的中心最優(yōu)值,若目標被遮擋,則將卡爾曼濾波預測位置作為運動目標的中心最優(yōu)值。UKF是一種用采樣方法近似非線性分布來次優(yōu)近似解決非線性濾波問題,具有性能穩(wěn)定,精度高,適應性強的特點。但是在實際應用中的運動目標通常是非線性的,為了提高跟蹤的精確度,本文將UKF濾波分別與meanshift算法和camshift算法相結(jié)合以提高跟蹤精度。即將目標檢測得到運動目標的中心位置賦予UKF濾波觀測值,并根據(jù)遮擋因子判斷目標是否被遮擋,若未被遮擋將UKF

5、預測值作為當前幀位置利用meanshift算法或camshift算法迭代到目標的中心最優(yōu)值,若目標被遮擋,則將UKF濾波預測的目標位置作為目標的最優(yōu)位置。UKF融合meanshift算法和camshift算法相較于KF融合meanshift和camshift算法精度較高。該算法可以提高跟蹤目標的實時性、精確性和抗遮擋性。并通過實驗證明該方法的有效性。
   本文所研究的方法在運動目標的局部背景快速發(fā)生變化的情況下,可以對于運動目

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論